In [1]:
import pandas as pd
#東京電力のオープンデータを読み込む
elec = pd.read_csv(
    "tepco.csv",
#日付と時間を結合したセルに変更する
    parse_dates={'datetime': ['DATE', 'TIME']})
#使用する文字列をアルファベットに変更する
columns={
    "東京エリア需要":"tky_dmnd",
    "火力":"thp",
    "水力":"hyd",
    "太陽光発電実績":"slr"
}
#再度読み込みを行う
elec.rename(columns=columns, inplace=True)
In [3]:
elec.head()
Out[3]:
datetime tky_dmnd 原子力 thp hyd 地熱 バイオマス slr 太陽光出力制御量 風力発電実績 風力出力制御量 揚水 連系線 合計
0 2016-04-01 00:00:00 2,555 0 2258 92 0 2 0 0 2 0 0 201 2,555
1 2016-04-01 01:00:00 2,433 0 2151 92 0 2 0 0 2 0 0 186 2,433
2 2016-04-01 02:00:00 2,393 0 2117 92 0 2 0 0 2 0 0 180 2,393
3 2016-04-01 03:00:00 2,375 0 2101 93 0 2 0 0 1 0 0 178 2,375
4 2016-04-01 04:00:00 2,390 0 2125 93 0 2 0 0 1 0 0 169 2,390
In [6]:
import plotly
plotly.offline.init_notebook_mode(connected=False)
#ラベルオプションの設定を行う
data = [plotly.graph_objs.Scatter(x=elec["datetime"], y=elec["tky_dmnd"], name="東京エリア需要")]
layout = plotly.graph_objs.Layout(
    title="東京エリア需要(1時間毎の時系列)",
    legend={"x":0.8, "y":0.1},
    xaxis={"title":"datetime"},
    yaxis={"title":"東京エリア需要(万kw)"}
)
fig = plotly.graph_objs.Figure(data=data, layout=layout)
plotly.offline.iplot(fig, show_link=False)
In [7]:
thp = plotly.graph_objs.Scatter(x=elec["datetime"], y=elec["thp"], mode = "lines", name="火力", marker=dict(color="rgba(220,20,60,0.7)"))
hyd = plotly.graph_objs.Scatter(x=elec["datetime"], y=elec["hyd"], mode = "lines", name="水力", marker=dict(color="rgba(0,128,255,0.8)"))
slr = plotly.graph_objs.Scatter(x=elec["datetime"], y=elec["slr"], mode = "lines", name="太陽光", marker=dict(color="rgba(255,165,0,0.8)"))
#火力・水力・太陽光のデータの結合を行う
el = [thp, slr, hyd]

layout = plotly.graph_objs.Layout(
    title="発電量割合(1時間毎の時系列)",
    legend={"x":1.0, "y":1.0},
    xaxis={"title":"date_time"},
    yaxis={"title":"発電量(万kw)"}
)
fig = plotly.graph_objs.Figure(data=el, layout=layout)
plotly.offline.iplot(fig, show_link=False)
In [39]:
#気象庁のデータを読み出す

wh = pd.read_csv('wh.csv')
wh.head()
Out[39]:
datetime temp rain sunshine
0 2016-04-01 01:00:00 13.3 0.0 0.0
1 2016-04-01 02:00:00 13.8 0.0 0.0
2 2016-04-01 03:00:00 13.0 0.0 0.0
3 2016-04-01 04:00:00 12.2 0.0 0.0
4 2016-04-01 05:00:00 11.2 0.0 0.0
In [47]:
#気象庁のデータの読み込みを行う
wh = pd.read_csv('wh.csv', parse_dates={'datetime': ['date', 'time']})
wh.rename(columns=columns, inplace=True)
wh.head()
Out[47]:
datetime temp rain sunshine
0 2016-04-01 01:00:00 13.3 0.0 0.0
1 2016-04-01 02:00:00 13.8 0.0 0.0
2 2016-04-01 03:00:00 13.0 0.0 0.0
3 2016-04-01 04:00:00 12.2 0.0 0.0
4 2016-04-01 05:00:00 11.2 0.0 0.0
In [48]:
#気温と電力需要の相関を作成するのに必要なカラムを抽出する。結合条件は日時
dat = pd.merge(elec, wh, how="inner")
dat = dat.loc[:,["datetime","tky_dmnd","temp","rain","sunshine"]]
dat.head()
Out[48]:
datetime tky_dmnd temp rain sunshine
0 2016-04-01 01:00:00 2,433 13.3 0.0 0.0
1 2016-04-01 02:00:00 2,393 13.8 0.0 0.0
2 2016-04-01 03:00:00 2,375 13.0 0.0 0.0
3 2016-04-01 04:00:00 2,390 12.2 0.0 0.0
4 2016-04-01 05:00:00 2,467 11.2 0.0 0.0
In [49]:
cor_dmnd  = [plotly.graph_objs.Scatter(x=dat["temp"], y=dat["tky_dmnd"], mode = "markers", marker=dict(color="rgba(64,64,64,0.6)"))]
layout = plotly.graph_objs.Layout(
    title="電力需要と気温の関係",
    legend={"x":0.8, "y":0.1},
    xaxis={"title":"気温(℃)"},
    yaxis={"title":"電力需要(万kw)"}
)
fig = plotly.graph_objs.Figure(data=cor_dmnd , layout=layout)
plotly.offline.iplot(fig, show_link=False)
In [50]:
#東京の電力消費データと気温のデータの結合を行う
tokyo = elec.join(wh["temp"]).dropna().as_matrix()
tokyo
C:\Users\white\AppData\Local\Continuum\anaconda3\lib\site-packages\ipykernel_launcher.py:2: FutureWarning:

Method .as_matrix will be removed in a future version. Use .values instead.

Out[50]:
array([[Timestamp('2016-04-01 00:00:00'), '2,555', 0, ..., 201, '2,555',
        13.3],
       [Timestamp('2016-04-01 01:00:00'), '2,433', 0, ..., 186, '2,433',
        13.8],
       [Timestamp('2016-04-01 02:00:00'), '2,393', 0, ..., 180, '2,393',
        13.0],
       ...,
       [Timestamp('2017-03-31 21:00:00'), '3619', 0, ..., 193, '3619',
        13.0],
       [Timestamp('2017-03-31 22:00:00'), '3463', 0, ..., 252, '3463',
        12.8],
       [Timestamp('2017-03-31 23:00:00'), '3230', 0, ..., 238, '3230',
        12.2]], dtype=object)
In [53]:
tokyo_elec = tokyo[:, 1:2]
tokyo_wthr = tokyo[:, 2:]
In [54]:
tokyo_wthr
Out[54]:
array([[0, 2258, 92, ..., 201, '2,555', 13.3],
       [0, 2151, 92, ..., 186, '2,433', 13.8],
       [0, 2117, 92, ..., 180, '2,393', 13.0],
       ...,
       [0, 3327, 83, ..., 193, '3619', 13.0],
       [0, 3118, 77, ..., 252, '3463', 12.8],
       [0, 2898, 77, ..., 238, '3230', 12.2]], dtype=object)
In [85]:
# SVMを用いるために必要なライブラリーの呼び出し
#import sklearn.cross_validation
from sklearn.model_selection import cross_val_score
import sklearn.svm

data_count = len(tokyo_elec)
In [ ]: